To build decision tree, information

To build decision tree, information gain is calculated for each and every attribute and select the attribute with the highest information gain to designate as a root node. Label the attribute as a root node and the possible values of the attribute are represented as arcs. Then all possible outcome instances are tested to check whether they are falling under the same class or not. If all the instances are falling under the same class, the node is represented with single class name,otherwise choose the splitting attribute to classify the instances.

ผลลัพธ์ (ไทย) 1:

การสร้างต้นไม้ตัดสินใจ ข้อมูลกำไรถูกคำนวณสำหรับแต่ละแอตทริบิวต์ และเลือกแอตทริบิวต์ มีได้รับข้อมูลสูงสุดกำหนดเป็นโหนดราก ป้ายชื่อแอตทริบิวต์เป็นโหนดราก และจะแสดงค่าที่เป็นไปได้ของแอตทริบิวต์เป็นส่วนโค้ง แล้ว ได้ผลทุกกรณีจะมีทดสอบเพื่อตรวจสอบว่า พวกเขาจะลดลงภายใต้ระดับเดียวกัน หรือไม่ หากอินสแตนซ์ทั้งหมดอยู่ภายในระดับเดียวกัน โหนจะถูกแสดง ด้วยชื่อชั้นเดียว มิฉะนั้น เลือกการแบ่งของแอตทริบิวต์การจัดประเภทอินสแตนซ์

ผลลัพธ์ (ไทย) 2:

เพื่อสร้างต้นไม้ตัดสินใจได้รับข้อมูลที่ถูกคำนวณสำหรับแต่ละและแอตทริบิวต์และเลือกแอตทริบิวต์ที่มีการได้รับข้อมูลสูงสุดที่จะกำหนดให้เป็นโหนดราก ป้ายชื่อแอตทริบิวต์เป็นโหนดรากและค่าที่เป็นไปได้ของแอตทริบิวต์จะแสดงเป็นโค้ง จากนั้นทุกกรณีผลที่จะมีการทดสอบเพื่อตรวจสอบว่าพวกเขาจะตกอยู่ภายใต้ระดับเดียวกันหรือไม่ หากทุกกรณีที่มีการตกอยู่ใต้ระดับเดียวกันโหนดเป็นตัวแทนที่มีชื่อชั้นเดียวมิฉะนั้นเลือกแอตทริบิวต์แยกที่จะแยกอินสแตนซ์

ผลลัพธ์ (ไทย) 3:

การสร้างแผนภูมิการตัดสินใจ ข้อมูลที่ได้รับจะถูกคำนวณสำหรับแต่ละคนและทุกคุณลักษณะและเลือกคุณลักษณะที่มีสูงสุดข้อมูลได้รับการแต่งตั้งให้เป็นรูทโหนด ป้ายลักษณะเป็นโหนดราก และค่าที่เป็นไปได้ของแอตทริบิวต์จะแสดงเป็นเส้นโค้ง แล้วผลกรณีที่เป็นไปได้ทั้งหมดจะถูกทดสอบเพื่อตรวจสอบว่าพวกเขาจะลดลงในระดับเดียวกันหรือไม่ ถ้ากรณีทั้งหมดจะตกอยู่ภายใต้ระดับเดียวกัน โหนดจะแสดงชื่อคลาสเดียว หรือเลือกการแยกคุณลักษณะแยกกรณี